本文作者为支付宝技术部的李皓骅(亿晨)，他将在本文中讨论 Kotlin/Native 的包体积的优化方法，主要包括包括：编译参数优化、精细管理导出符号 + DCE 的优化方法（暂时未讨论 Kotlin/JVM 等情况）。文中提到的优化策略部分来源于社区的公开讨论，部分则是在阅读 Kotlin 源码基础上做出的扩展与定制，已取得一定初步成效。需要强调的是，优化始终是一个持续迭代的过程，未来仍有更多手段值得进一步探索，欢迎同行共同交流与探讨。
MCP 全称 Model Context Protocol，是由 Anthropic 公司在 2024 年 11 月推出一个开放协议，主要用于标准化应用程序向大语言模型提供上下文的方式。可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供了标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化方式。
本文是一篇关于前端AI实践的技术总结文章。文章提出了“AI四象限”决策模型，并介绍了鸿雁AI Coder和Nextdy Aone Copilot两款工具链的应用与成效。通过十余个最佳实践案例，展示了AI在前端领域的落地场景及未来发展方向。
在软件开发过程中，软件测试对于保障软件质量和用户满意度起着关键作用。为最大程度上提升软件品质，我们积极开展全链路测试实践，打造了用Rust语言开发的自研一站式抓包代理工具FunProxy，基于其跨平台、高性能、易于扩展、安全性高等特性，让全链路抓包和环境代理如丝绸般丝滑。
人工智能技术的飞速进步，正在重塑全球商业格局，其影响辐射到各个行业领域。鉴于此，阿里云云栖号特别推出《一周AI大事件》，汇聚全球人工智能的最新动态。
抖音长期存在renderD128内存占用过多导致的虚拟内存OOM，且多次出现renderD128内存激增导致OOM指标严重劣化甚至发版熔断。因受限于闭源的GPU驱动以及现场有效信息极少，多个团队都进行过分析，但一直未能定位到问题根因，问题反馈到厂商也一直没有结论。以往发生renderD128内存激增时，解决办法往往都是通过二分法去定位导致问题的MR进行回滚(MR代码写法并无问题，仅仅是正常调用系统API)，但是回滚业务代码会影响业务正常需求的合入，也无法从根本上解决该问题，每次也会消耗我们大量人力去分析排查，因此我们有必要投入更多时间和精力定位根因并彻底解决该问题。在历经数月的深入分析和排查后，我们最终定位了问题根因并彻底解决了该问题，取得了显著的OOM收益，renderD128内存问题导致的发版熔断也未再发生。接下来，将详细介绍下我们是如何一步步分析定位到问题根因，以及最终如何将这个问题给彻底解决的。
2025 年 4 月 23 日，Kubernetes 发布了最新版本 1.33，代号 Octarine，致敬 Terry Pratchett 的《碟形世界》。本次版本共计带来 64 项更新，其中包含 18 个稳定功能、20 个 beta 功能 和 24 个 alpha 功能，再次彰显了 Kubernetes 社区在可扩展性、安全性与开发者体验上的持续投入。
在Model Context Protocol (MCP)爆火的今天，MCP Server的局限性日益凸显：MCP市场提供的MCP Server往往只能提供有限的能力，不够灵活，无法根据用户的具体需求灵活拓展或调整，过多的工具又会导致Token的大量消耗。而作为阿里云的用户，阿里云OpenAPI便是我们和资源之间的桥梁与通道，通常我们会希望通过OpenAPI来实现各种复杂需求，而每个OpenAPI往往就对应MCP Server的一个具体的Tools，但是阿里云拥有海量的OpenAPI，单纯的穷举，将每个OpenAPI都注册为Tools显然是不适合MCP Server的模式，本文将分享如何借助alibaba-cloud-ops-mcp-server[1]实现仅靠10行python代码即可创建你的专属阿里云OpenAPI MCP Server。通过本文的实践，你将掌握如何在极少的代码量内，构建一个功能丰富的MCP Server，希望本文所提方案能够为MCP Server的开发提供新的思路和方法。
谷歌在MCP协议快速发展之际推出A2A协议，定位为智能体Agent间的协调协议。本文通过具体的案例介绍了MCP和A2A的细节，通过同一案例在MCP与A2A两种模式下的实现差异，认为A2A模式下的 Agent 能够通过与大模型深度交互，交付更具价值的功能特性，从而更有效地吸引开发者群体。此外，A2A架构赋予每个 Agent 自主选择底层大模型的权利，这一开放性设计也将进一步吸引大模型供应商参与生态构建。 与行业普遍认为两种协议具有互补性的共识不同，笔者认为MCP和A2A协同发展仍面临显著挑战。文中还列举了 K8s 与Docker 的历史协同案例作为类比，将技术演进的想象空间留给读者。 限于笔者水平，本文部分观点可能存在错误，恳请大家不吝赐教。 注：作者4.18整理发布于内部系统，文中观点仅代表个人看法。
